生物物理学论文2000字

一般写论文之前都是要找下参考文献的~你去看下（计算生物学、生物物理学）吧~争取早日完成论文

物理学的发展，促进了科学技术的进步。现代物理学更成为高新技术的基础。 1、在牛顿力学和万有引力定律的基础上发展起来的空间物理，能把宇宙飞船送上太空，使人类实现了飞天的梦想。也使中国人“九天揽月”成为可能。（2007年我们国家要登月，那时就是神州7号）。杨得伟是神州6号。 （学完万有引力定律可窥一斑） 2、带电粒子在电场磁场中的偏转的规律在科学技术中的应用。电视机显像管等。（学完带电粒子在电场磁场中的偏转会了解了。） 刀。如核磁共振，超声波，X光机等。3、核物理的研究使放射线的应用成为可能。医疗上的放疗。在医疗上还有很多，如用于治疗脑瘤的 4、20世纪初相对论和量子力学的建立，诞生了近代物理，开创了微电子技术的时代。半导体芯片。电子计算机。没有量子力学也就没有现代科技 。 5、20世纪60年代，激光器诞生。激光物理的进展使激光在制造业、医疗技术和国防工业中的得到了广泛的应用。大家熟悉的微机光盘就是用激光读的。光导纤维等。 6、20世纪80年代高温超导体的研究取得了重大突破，为超导体的实际应用开辟了道路。磁悬浮列车等。80年代，我国高温超导的研究走在世界的前列。 7、20世纪90年代发展起来的纳米技术，使人们可以按照自己的需要设计并重新排列原子或者原子团，使其具有人们希望的特性。纳米材料的应用现是一个新兴的又应用很广泛的前沿技术。秦始皇兵马俑的色彩防脱。 8、生命科学的发展也离不开物理学。脱氧核糖核酸（DNA）是存在于细胞核中的一种重要物质，它是储存和传递生命信息的物质基础。1953年生物学家沃森和物理学家克里克利用X射线衍射的方法在卡文迪许（著名实验物理学家）的实验室成功地测定了DNA的双螺旋结构。 可以说物理学的发展，促进了各个领域科学技术的进步。使人类的生产和生活发生了翻天覆地的变化。 物理学的发展引发了一次又一次的产业革命，推动着社会和人类文明的发展。可以说社会的每一次大的进步都与物理学的发展紧密相连。 18世纪中叶，在热学发展的基础上发明并改进了蒸汽机。蒸汽机的广泛使用，促成了手工业向机械化的大生产的转变，并使陆上和海上的大规模的长途运输成为可能。大大推动了社会的发展。古人云：一日千里。火车、飞机的使用使每一个地球人实现了“一日千里”甚至日行万里的梦想。蒸汽机的使用是第一次产业革命。 1840年，法拉弟发现了电磁感应现象，并逐渐形成了完整的电磁场理论。在此基础上发展起来的电力工业，使人类进入电气化的时代，给人类的生产和生活带来翻天覆地的变化。大家想想现在使用的电灯、电话、电视、微机等一切的电力设施就能体会了。这是第二次产业革命。 20世纪70年代，微观物理方面取得重大突破，开创了微电子工业，使世界开始进入了以电子计算机应用为特征的信息时代。这是第三次产业革命。 可以说社会的每一次巨大的进步都是在物理学发展的基础上完成的。没有物理学的发展就没有人类社会和文明的巨大进步。麻烦采纳，谢谢!

基因与环境——调查探究生物基因是否会因环境而改变基因是在生物体内细胞核中染色体上DNA的片段，控制生物的性状。基因也是上一代给子代留下的遗传物质。转基因技术就是通过科学科技的人工方法改变某一生物的基因，使之的基因发生改变，性状也随之而改变，从而达到改良品种的目的。可以说任何生物所有的状态都与基因有关。所以说，要了解生物首先要了解基因。基因可以通过人工技术发生改变，除此之外，生物的基因是否还会因为环境的改变而变化呢？首先我们从最简单的开始。一、在同一地点挖出泥土，挑选饱满又大致一样的绿豆30颗，两个一样的花盆。接着种下绿豆，每天浇等量的水，把a盆放在阳光明媚处，b盆放在阴暗处；二、在同一地点挖出泥土，挑选饱满又大致一样的绿豆30颗，两个一样的花盆。接着种下绿豆，c、d两盆都放在阳光明媚处，每天给c浇大量的水，给d浇小量的水；三、在不同地点挖出泥土，挑选饱满又大致一样的绿豆30颗，两个一样的花盆。接着种下绿豆，每天浇等量的水，把e、f都放在阳光明媚处；四、挑选饱满又大致一样的绿豆30颗，两个一样的花盆。接着用泥土种下绿豆盆H，用水种下绿豆盆I，每天浇等量的水，都放在阳光明媚处；长大后发现，各盆的情况均不相同。所以我们初步认为生物基因会因环境而改变。后来我们又发现一些实例。以人类为例来说，人体内的基因会因为环境而发生改变。在我们的日常生活和工作中，会有许多知道或还不知道的因素，对我们体内数万亿个细胞的代谢产生影响。 这些有害因素可能体细胞的DNA发生作用，导致DNA的破坏，相应的基因的功能发生异常变化，影响到生命的安全和健康，当然细胞内还存在着相当完善的机制能够修复这些损害。但当DNA的破坏程度超过修复机制的修复能力时，就在细胞水平发生了问题，从少量细胞发生问题发展到临床可能表现为疾病并被检出的阶段所经历的时期可能是比较漫长的，在这个过程中，如果借助基因检测技术，那么早期发现某些疾病完全是可能的，这将大大降低医疗费用，大大减少患者的痛苦。其他生物也是如此吗？许多实验表明，确实如此。一项针对多种拟南芥的基因研究表明，环境因素对物种遗传多样性和基因组的影响很大。除了实验室中科学家的“最爱”，世界各地还分布着多种野生拟南芥。它们的生长速度、叶子颜色以及发枝方式都是不同的。在最新的研究中，由德国马普发育生物学研究所Detlef Weigel领导的国际科学家小组，从美洲、非洲和亚洲以及其他极地和亚热带区域搜集了19种拟南芥，并将它们的基因序列（约亿个碱基对）与实验室用拟南芥基因组进行了对比研究，从而确定了相关的遗传差异。所得到的结果令人吃惊：它们遗传差异的广度远远超过了所谓的“改进基因组”。研究人员发现，平均每180个碱基对中就有一个是可变的。同时研究表明，大约4%的实验室用拟南芥基因组要么与野生种类差异很大，要么完全不存在于野生种类的拟南芥中。此外，大约十分之一的野生拟南芥基因是有缺陷的，无法完成正常的功能。新的研究结论为科学家提出了许多新的基础性问题。Weigel表示，“或许并不存在所谓的一个物种的基因组。迄今为止，对个体DNA序列的认识并不能使科学家充分理解一个物种的遗传潜能。”此外，拟南芥基因组的可塑性也令人惊讶。尽管拟南芥的基因组中的基因数量与人类和一些作物相当，但它整个基因组的大小不及后两者的十二分之一。同时，拟南芥基因组中几乎没有重复序列和无关联的“垃圾”序列。进一步研究表明，拟南芥与外界环境相互作用相关（比如抵御病原体和感染）的基因，其可变性大大超过其他功能基因。Weigel认为，这一遗传特性反映出拟南芥对当地生存环境的适应性，正是这些易变基因使得拟南芥能够经受干燥和潮湿，炎热和寒冷，并调节自身的生长季节。还有另一个关于动物基因和环境的事例。美国国家科学院对转基因动物对周边环境造成影响的问题高度重视。美国食物和药品管理局（FDA）要求该委员会专家组列出与动物生物技术相关的科学热点问题。在2002年8月12日公布的报告中，该委员会将转基因动物对自然生态系统环境的影响摆在所有热点问题的首位。一家美国公司（麻萨诸塞州的ABFW公司）生产了一种转基因大马哈鱼。该鱼生长速度非常快，长至成鱼的速度是普通大马哈鱼的三倍。一些科学家和环境组织对该鱼表示出强烈担忧。他们认为，转基因鱼会在与野生大马哈鱼的生存竞争中处于优势，并可能将一些有害的基因带给环境中的其他动物。但这家公司声称已经收集到有关该报告关心的热点问题的一系列资料。“我们将要投放市场的只是不能繁殖的雌性大马哈鱼，并不存在这样的环境问题。”虽然这一事例，没有直接说明，环境对基因的改变，但是转基因会对环境造成危害这一观点也间接说出确切的答案。也就是说生物基因会因环境而改变。基因和环境因素的相互作用基因作用的表现离不开内在的和外在的环境的影响。在具有特定基因的一群个体中，表现该基因性状的个体的百分数称为外显率；在具有特定基因而又表现该一性状的个体中，对于该一性状的表现程度称为表现度。外显率和表现度都受内在环境和外在环境的影响。内在环境指生物的性别、年龄等条件以及背景基因型。外在环境 ：① 温度。温度敏感突变型只能在某些温度中表现出突变型的性状，对于一般的突变型来说，温度对于基因的作用也有程度不等的影响。如实验一，ab两盆绿豆性状表现不一，我们大之人为是有温度影响；②营养。家兔脂肪的黄色决定于基因y的纯合状态以及食物中的叶黄素的存在。如果食物中不含有叶黄素，那么yy纯合体的脂肪也并不呈黄色。y基因的作用显然和叶黄素的同化有关。演化就细胞中DNA的含量来看，一般愈是低等的生物含量愈低，愈是高等的生物含量愈高。就基因的数量和种类来讲，一般愈是低等的生物愈少，愈是高等的生物愈多。DNA含量和基因数的增加与生理功能的逐渐完备是密切相关的。等等。基因最初是一个抽象的符号，后来证实它是在染色体上占有一定位置的遗传的功能单位。这次的调查和探究可以从分说明，生物基因会因环境而改变。另外在给你个参考，希望对你有帮助。生物燃料大有可为_生物论文你认为美国过分依赖进口石油吗？有人认为使用生物燃料的时机如今已经成熟：●最早从今年5月开始，圣路易斯市的公交乘客可以乘坐用柴油和豆油混合燃料驱动的公交汽车。●由于去年的玉米产量很高，以玉米为原料的乙醇生产行业今年打算使乙醇产量达到创纪录的水平。●还有埃德加·莱特利创造的方法。石油一再涨价使这位宾夕法尼亚农民非常烦恼，他开始用一种非常抢手的新式炉子燃料玉米给自家供暖。尽管用粮食作燃料不是新鲜事——鲁道夫·狄塞耳一个世纪之前就以花生油为燃料驱动汽车——但是这种想法突然之间变得非常实用。石油价格越来越高，而粮食价格却非常低，以至于政治家们和众多管理者正在重新考虑这个问题。能够完全燃料的、可再生的生物燃料在欧洲已经得到广泛使用。它可以缓解美国的石油供应，并有助于使美国的农业经济保持稳定。前景亮丽生物燃料甚至没有难闻的气味。用户报告说，以大豆作原料的生物柴油燃烧以后排出的废气有点像炸薯条的味道。专家们说，即使粮食的价格回升，如果美国为了遏制全球变暖而优先发展生物燃料，神巫燃料可能具有光明的前景。自从20世纪70年代人们开始使用汽油混合燃料以来，种植玉米的农民就一直敦促人们更多地使用乙醇作汽油燃料。除了用作牲畜饲料和出口之外，生产生物燃料如今已成为玉米的第三大用途。乙醇生产行业去年用玉米为原料总共生产了16亿加仑乙醇，而且生产规模还在扩大。伊利诺伊州的阿彻—丹尼尔斯—米德兰公司生产的乙醇约占美国总产量德一半，该公司打算把乙醇生产能力再扩大20%。今年最令人惊奇的是生物柴油的问世。实验结果表明，使用豆油和柴油混合燃料同普通柴油的效果一样好（特别寒冷的天气除外），而且比普通柴油干净得多。但是标准的混合燃料——80%柴油和20%豆油——成本太高了。据全国生物柴油委员会说，部分是由于大豆价格低廉，生物柴油的价格已从每加仑4美元降到至美元。这个价格与普通柴油的价格差不多，足以使许多人考虑使用生物柴油。政府补贴政府的补贴也促进了生物燃料的发展。去年11月份，美国农业部决定今后两年每年拿出亿美元补贴乙醇生产厂家，用以增加乙醇和生物柴油等生物燃料的使用。至少有5个州正在考虑制订税收鼓励政策，以便进一步鼓励使用生物柴油。再上述政策的鼓励下，生物柴油的产量剧增——由1999年的50万加仑猛增到2000年的500万加仑。据估计，仅美国农业部制订的鼓励出事就可使生物柴油产量再提高3650万加仑。这些数目还是无法同每年560亿加仑的柴油产量相比。但是主张生产生物燃料的人士说，如果石油行业像布什政府日前宣布的那样，再2006年之前被迫转产低硫柴油，豆油可能会成为与生物燃料配套使用的主要润滑剂。实际上，润滑剂为粮食提供了另一个由希望的市场。研究人员已经用粮食为原料开发出同样廉价而且更有益于环境的替代品，取代石油产品用作半拖车挂钩、铁轨和链锯的润滑剂。此类项目将有助于给美国长期不振的农业注入资金。据可再生燃料协会说，仅乙醇生产一项每年就能为农民增加45亿美元的收入。

计算智能原理对创新模式的探索摘要：科技创新能力培养是本科生培养的一个重要方面，在国家大力提倡科技创新的背景下，加强大学生科技创新具有重要的意义。培养有创新能力的人才是高等学校建设的中心。本文基于计算智能原理与方法，结合指导的国家大学生创新项目的实践，就建设高效的创新团队的方法进行了初探。关键词：计算智能；科研训练；创新团队0引言目前，我们要提高自主创新能力，建设创新型国家。高等教育担负着培养创新型人才的重要责任。学生科技活动对于提高学生科技创新能力，培养拔尖创新型人才具有重要意义。而构建了一批锐意进取、大胆创新的大学生创新团队，对提高学生的创新能力和团队协作能力就显得特别的重要。目前就团队理论的研究还有待与深入，用计算智能的基本理论原理与方法来指导建设大学生创新项目团队，是一种跨学科研究的新尝试。1计算智能的基本理论与方法简介计算智能由美国学者James 年首次给出其定义，广义的讲就是借鉴仿生学思想，基于生物体系的生物进化、细胞免疫、神经细胞网络等某些机制，用数学语言抽象描述的计算方法。是基于数值计算和结构演化的智能，是智能理论发展的高级阶段。计算智能的主要方法有：人工神经网络、模糊系统、进化计算等。模糊计算模糊系统以模糊集合理论、模糊逻辑推理为基础，它试图从一个较高的层次模拟人脑表示和求解不精确知识的能力。在模糊系统中，知识是以规则的形式存储的，它采用一组模糊IF—THEN规则来描述对象的特性，并通过模糊逻辑推理来完成对不确定性问题的求解。模糊系统善于描述利用学科领域的知识，具有较强的推理能力。人工神经网络人工神经网络系统是由大量简单的处理单元，即神经元广泛地连接而形成的复杂网络系统。在人工神经网络中，计算是通过数据在网络中的流动来完成的。在数据的流动过程中，每个神经元从与其连接的神经元处接收输入数据流，对其进行处理以后，再将结果以输出数据流的形式传送到与其连接的其它神经元中去。网络的拓扑结构和各神经元之间的连接权值(Wi)是由相应的学习算法来确定的。算法不断地调整网络的结构和神经元之间的连接权值，一直到神经网络产生所需要的输出为止。通过这个学习过程，人工神经网络可以不断地从环境中自动地获取知识，并将这些知识以网络结构和连接权值的形式存储于网络之中。人工神经网络具有良好的自学习、自适应和自组织能力，以及人规模并行、分布式信息存储和处理等特点，这使得它非常适合于处理那些需要同时考虑多个因素的、不完整的、不准确的信息处理问题。进化计算自然界在几十亿年的进化过程中,生物体己经形成了一种优化自身结构的内在机制，它们能够不断地从环境中学习，以适应不断变化的环境。对于大多数生物体，这个过程是通过自然选择和有性生殖来完成的。自然选择决定了群体中哪些个体能够存活并繁殖：有性生殖保证了后代基因的混合与重组。进化计算受这种自然界进化过程的启发，它从模拟自然界的生物进化过程入手，从基因的层次探寻人类某些智能行为发展和进化的规律，以解决智能系统如何从环境中进行学习的问题。2计算智能原理在创新团队实践中的启发从系统论的视角看，创新团队的建设问题是一个复杂系统的优化和控制问题。复杂系统具有：1）自适应性/自组织性(self-adaptive/self-organization)。2）不确定性（uncertainty）。3）涌现性（emergence）。4）预决性（Finality）。5）演化（Evolution）。6）开放性（opening）。而计算智能的这些方法具有自学习、自组织、自适应的特征,创新团队的建设是具有一定的研究价值的。在专家指导下的自学习、自组织、自适应计算智能特点提到，模糊系统善于描述和利用经验知识;神经网络善于直接从数据中进行学习，把人工神经网络与专家系统结合起来,建立一个混合的系统,要比各自单一地工作更为有利。创新团队在相关专家的指导下，突出学生自由组建、自主管理、自我服务的特色。在明确团队任务的前提下对团队人数、组成人员条件及内部控制制度做些原则性的规定，赋予团队负责人充分的权力如决定团队成员构成、支配内部经费、对团队成员进行分工和考核等，保证其对团队工作直接有效的管理。合作与竞争意识计算智能特点提到，进化计算善于求解复杂的全局最优问题，具有极强的稳健性和整体优化性。种群的进化过程就是优胜劣汰的自然选择过程。团队建设的基石是合作与竞争理论。Deutsch早就指出，如果人们处于散乱的、互不相干的独立竞争关系，认为双方目标之间没有关系，那么，在资源有限的情况下，人们会表现得更为自私，彼此之间的利益存在冲突，这种关系会引起组织内耗和人际关系紧张，最终导致低生产率和低创造率。Dcutsch认为，应该使人们在组织中具有共同目标，在共同目标下合作共事。具有合作关系的人们会相互尊重、共享信息和资源，他们会将他人的进步看成对自己的促进，并交流意见和取长补短，现代科学的进步表明，今天每一项科技成果的取得，差不多都是多学科协同作战的结果。大学科研团队的建设就是要很好地贯彻这种理念，在适度的竞争与合作之间构建这种理念。融入计算智能思想的协同学习团队人们在研究人类智能行为中发现，大部分人类活动都涉及多个人构成的社会团体，大型复杂问题的求解需要多人或组织协作完成，师生之间的关系也更强调合作和共同发展。随着计算机网络、计算机通信和并发程序设计的发展,分布式人工智能逐渐成为人工智能领域的一个新的研究热点，它是以智能Agent概念为研究核心。虽然每个智能Agent都是主动地、自治地工作,多个智能Agent在同一环境中协同工作,协同的手段是相互通信。计算智能与分布式人工智能结合则是研究在逻辑上或物理上分散的智能动作如何协调它们的知识、技能和规划，求解单目标或多目标问题，因此这也为设计和建立大型复杂的智能系统或计算机支持的协同学习工作提供了有效途径。选好综合能力强的团队带头人计算智能特点提到，对复杂系统的控制，要用处理各种不确定的智能方法，这就要求团队带头人有处理复杂问题的综合能力。科技创新团队应是由不同类型的人为实现特定的目标组成的群体。激励和聚合大家的力量，负责内部的计划、组织、指挥、协调和控制等方面组织工作，必须要有一位核心人物，即学术带头人。优秀的学术带头人是高校科技创新团队必备的要素。团队的带头人处于沟通、协调团队内外的中心位置，是团队其他成员获得工作方向、具体任务、工作目标等信息的主要来源，是团队维持士气、活力、凝聚力的中心环节和纽带，在很大程度上决定了整个团队的学术水平、科研风格和文化氛围。同时对团队整体加强协调与组织，提高团队的内部凝聚力。加强交流，资源公享计算智能特点提到自适应，进化机制，是建立在信息传输基础上的。团队成员之间进而形成了彼此间紧密合作、资源共享的伙伴关系。通过彼此间的紧密合作，使团队成员不再是一个独立的个体，而是共同承担责任、积极面对挑战的一个集体。在这个集体中，团队成员的合力要远远大于每个成员能力简单相加的总和。因此，在科研团队的建设中，良好的沟通渠道能促进成员之间的团结合作，使组织中的每个成员都为组织的发展倾尽所有。团队成员之间进而形成了彼此间紧密合作、资源共享的伙伴关系。通过彼此间的紧密合作，使团队成员不再是一个独立的个体，而是共同承担责任、积极面对挑战的一个集体。在这个集体中，团队成员的合力要远远大于每个成员能力简单相加的总和。因此，在科研团队的建设中，良好的沟通渠道能促进成员之间的团结合作，使组织中的每个成员都为组织的发展倾尽所有。配备优势互补的成员在计算智能机制的调控，非线性复杂系统有涌现性特征。所谓涌现性，就是肩负不同角色的组件间通过多种交互模式、按局部或全局的行为规则进行交互，组件类型与状态、组件之间的交互以及系统行为随时间不断改变，系统中子系统或基本单元之间的局部交互，经过一定的时间之后在整体上演化出一些独特的、新的性质，形成某些模式，这便体现为涌现性。子系统之间的相互作用，可导致产生与单个子系统行为显著不同的宏观整体性质。涌现性也体现为一种质变，主体之间的相互作用开始后,系统能自组织、自协调、自加强,并随之扩大,发展,最后发生质变，即发生了涌现。3结束语计算智能理论对处理复杂系统的优化和控制问题是有效，计算智能原理在创新团队实践中的启发是多方面的。目前就团队理论的研究还有待与深入，利用计算智能原理与方法来指导建设大学生创新项目团队，是一种新的思路。

800字的~~是论文吗？要不你去看下（计算生物学、生物物理学）这两本OA期刊里面有没有你想要参考的文献吧

1,序列比对(Sequence Alignment) 序列比对的基本问题是比较两个或两个以上符号序列的相似性或不相似性.从生物学的初衷来看,这一问题包含了以下几个意义:从相互重叠的序列片断中重构DNA的完整序列.在各种试验条件下从探测数据(probe data)中决定物理和基因图存贮,遍历和比较数据库中的DNA序列比较两个或多个序列的相似性在数据库中搜索相关序列和子序列寻找核苷酸(nucleotides)的连续产生模式找出蛋白质和DNA序列中的信息成分序列比对考虑了DNA序列的生物学特性,如序列局部发生的插入,删除(前两种简称为indel)和替代,序列的目标函数获得序列之间突变集最小距离加权和或最大相似性和,对齐的方法包括全局对齐,局部对齐,代沟惩罚等.两个序列比对常采用动态规划算法,这种算法在序列长度较小时适用,然而对于海量基因序列(如人的DNA序列高达109bp),这一方法就不太适用,甚至采用算法复杂性为线性的也难以奏效.因此,启发式方法的引入势在必然,著名的BALST和FASTA算法及相应的改进方法均是从此前提出发的. 2, 蛋白质结构比对和预测 基本问题是比较两个或两个以上蛋白质分子空间结构的相似性或不相似性.蛋白质的结构与功能是密切相关的,一般认为,具有相似功能的蛋白质结构一般相似.蛋白质是由氨基酸组成的长链,长度从50到1000~3000AA(Amino Acids),蛋白质具有多种功能,如酶,物质的存贮和运输,信号传递,抗体等等.氨基酸的序列内在的决定了蛋白质的3维结构.一般认为,蛋白质有四级不同的结构.研究蛋白质结构和预测的理由是:医药上可以理解生物的功能,寻找dockingdrugs的目标,农业上获得更好的农作物的基因工程,工业上有利用酶的合成.直接对蛋白质结构进行比对的原因是由于蛋白质的3维结构比其一级结构在进化中更稳定的保留,同时也包含了较AA序列更多的信息.蛋白质3维结构研究的前提假设是内在的氨基酸序列与3维结构一一对应(不一定全真),物理上可用最小能量来解释.从观察和总结已知结构的蛋白质结构规律出发来预测未知蛋白质的结构.同源建模(homology modeling)和指认(Threading)方法属于这一范畴.同源建模用于寻找具有高度相似性的蛋白质结构(超过30%氨基酸相同),后者则用于比较进化族中不同的蛋白质结构.然而,蛋白结构预测研究现状还远远不能满足实际需要. 3, 基因识别,非编码区分析研究. 基因识别的基本问题是给定基因组序列后,正确识别基因的范围和在基因组序列中的精确位置.非编码区由内含子组成(introns),一般在形成蛋白质后被丢弃,但从实验中,如果去除非编码区,又不能完成基因的复制.显然,DNA序列作为一种遗传语言,既包含在编码区,又隐含在非编码序列中.分析非编码区DNA序列目前没有一般性的指导方法.在人类基因组中,并非所有的序列均被编码,即是某种蛋白质的模板,已完成编码部分仅占人类基因总序列的3~5%,显然,手工的搜索如此大的基因序列是难以想象的.侦测密码区的方法包括测量密码区密码子(codon)的频率,一阶和二阶马尔可夫链,ORF(Open Reading Frames),启动子(promoter)识别,HMM(Hidden Markov Model)和GENSCAN,Splice Alignment等等. 4, 分子进化和比较基因组学 分子进化是利用不同物种中同一基因序列的异同来研究生物的进化,构建进化树.既可以用DNA序列也可以用其编码的氨基酸序列来做,甚至于可通过相关蛋白质的结构比对来研究分子进化,其前提假定是相似种族在基因上具有相似性.通过比较可以在基因组层面上发现哪些是不同种族中共同的,哪些是不同的.早期研究方法常采用外在的因素,如大小,肤色,肢体的数量等等作为进化的依据.近年来较多模式生物基因组测序任务的完成,人们可从整个基因组的角度来研究分子进化.在匹配不同种族的基因时,一般须处理三种情况:Orthologous: 不同种族,相同功能的基因；Paralogous: 相同种族,不同功能的基因；Xenologs: 有机体间采用其他方式传递的基因,如被病毒注入的基因.这一领域常采用的方法是构造进化树,通过基于特征(即DNA序列或蛋白质中的氨基酸的碱基的特定位置)和基于距离(对齐的分数)的方法和一些传统的聚类方法(如UPGMA)来实现. 5, 序列重叠群(Contigs)装配 根据现行的测序技术,每次反应只能测出500 或更多一些碱基对的序列,如人类基因的测量就采用了短枪(shortgun)方法,这就要求把大量的较短的序列全体构成了重叠群(Contigs).逐步把它们拼接起来形成序列更长的重叠群,直至得到完整序列的过程称为重叠群装配.从算法层次来看,序列的重叠群是一个NP-完全问题. 6, 遗传密码的起源 通常对遗传密码的研究认为,密码子与氨基酸之间的关系是生物进化历史上一次偶然的事件而造成的,并被固定在现代生物的共同祖先里,一直延续至今.不同于这种"冻结"理论,有人曾分别提出过选择优化,化学和历史等三种学说来解释遗传密码.随着各种生物基因组测序任务的完成,为研究遗传密码的起源和检验上述理论的真伪提供了新的素材. 7, 基于结构的药物设计 人类基因工程的目的之一是要了解人体内约10万种蛋白质的结构,功能,相互作用以及与各种人类疾病之间的关系,寻求各种治疗和预防方法,包括药物治疗.基于生物大分子结构及小分子结构的药物设计是生物信息学中的极为重要的研究领域.为了抑制某些酶或蛋白质的活性,在已知其蛋白质3级结构的基础上,可以利用分子对齐算法,在计算机上设计抑制剂分子,作为候选药物.这一领域目的是发现新的基因药物,有着巨大的经济效益. 8.生物系统的建模和仿真 随着大规模实验技术的发展和数据累积，从全局和系统水平研究和分析生物学系统，揭示其发展规律已经成为后基因组时代的另外一个研究 热点-系统生物学。目前来看，其研究内容包括生物系统的模拟（Curr Opin Rheumatol，2007，463-70），系统稳定性分析（Nonlinear Dynamics Psychol Life Sci，2007，413-33），系统鲁棒性分析（Ernst Schering Res Found Workshop， 2007，69-88）等方面。以SBML（Bioinformatics，2007，1297-8）为代表的建模语言在迅速发展之中，以布尔网络 （PLoS Comput Biol，2007，e163）、微分方程（Mol Biol Cell，2004，3841-62）、随机过程（Neural Comput，2007，3262-92）、离散动态事件系统等（Bioinformatics，2007，336-43）方法在系统分析中已经得到应 用。很多模型的建立借鉴了电路和其它物理系统建模的方法，很多研究试图从信息流、熵和能量流等宏观分析思想来解决系统的复杂性问题（Anal Quant Cytol Histol，2007，296-308）。当然，建立生物系统的理论模型还需要很长时间的努力，现在实验观测数据虽然在海量增加，但是生物系统的模型辨 识所需要的数据远远超过了目前数据的产出能力。例如，对于时间序列的芯片数据，采样点的数量还不足以使用传统的时间序列建模方法，巨大的实验代价是目前系 统建模主要困难。系统描述和建模方法也需要开创性的发展。 9.生物信息学技术方法的研究 生物信息学不仅仅是生物学知识的简单整理和、数学、物理学、信息科学等学科知识的简单应用。海量数据和复杂的背景导致机器学习、统 计数据分析和系统描述等方法需要在生物信息学所面临的背景之中迅速发展。巨大的计算量、复杂的噪声模式、海量的时变数据给传统的统计分析带来了巨大的困难， 需要像非参数统计（BMC Bioinformatics，2007，339）、聚类分析（Qual Life Res，2007，1655-63）等更加灵活的数据分析技术。高维数据的分析需要偏最小二乘（partial least squares，PLS）等特征空间的压缩技术。在计算机算法的开发中，需要充分考虑算法的时间和空间复杂度，使用并行计算、网格计算等技术来拓展算法的 可实现性。 10, 生物图像 没有血缘关系的人，为什么长得那么像呢？ 外貌是像点组成的，像点愈重合两人长得愈像，那两个没有血缘关系的人像点为什么重合？ 有什么生物学基础？基因是不是相似？我不知道，希望专家解答。 11, 其他 如基因表达谱分析,代谢网络分析;基因芯片设计和蛋白质组学数据分析等,逐渐成为生物信息学中新兴的重要研究领域;在学科方面,由生物信息学衍生的学科包括结构基因组学,功能基因组学,比较基因组学,蛋白质学,药物基因组学,中药基因组学,肿瘤基因组学,分子流行病学和环境基因组学,成为系统生物学的重要研究方法.从现在的发展不难看出,基因工程已经进入了后基因组时代.我们也有应对与生物信息学密切相关的如机器学习,和数学中可能存在的误导有一个清楚的认识.